![](/img/trans.png)
[英]Handling UTF-8 encoded strings between std::wstring and std::string
[英]Convert wstring to string encoded in UTF-8
我需要在 wstring 和 string 之间进行转换。 我发现,使用 codecvt facet 应该可以解决问题,但它似乎不适用于 utf-8 语言环境。
我的想法是,当我将 utf-8 编码文件读取为字符时,一个 utf-8 字符被读入两个普通字符(这就是 utf-8 的工作原理)。 我想从我在代码中使用的库的 wstring 表示创建这个 utf-8 字符串。
有人知道怎么做吗?
我已经尝试过了:
locale mylocale("cs_CZ.utf-8");
mbstate_t mystate;
wstring mywstring = L"čřžýáí";
const codecvt<wchar_t,char,mbstate_t>& myfacet =
use_facet<codecvt<wchar_t,char,mbstate_t> >(mylocale);
codecvt<wchar_t,char,mbstate_t>::result myresult;
size_t length = mywstring.length();
char* pstr= new char [length+1];
const wchar_t* pwc;
char* pc;
// translate characters:
myresult = myfacet.out (mystate,
mywstring.c_str(), mywstring.c_str()+length+1, pwc,
pstr, pstr+length+1, pc);
if ( myresult == codecvt<wchar_t,char,mbstate_t>::ok )
cout << "Translation successful: " << pstr << endl;
else cout << "failed" << endl;
return 0;
对于 cs_CZ.utf-8 语言环境返回“失败”,并且对于 cs_CZ.iso8859-2 语言环境正常工作。
下面的代码可能会帮助你:)
#include <codecvt>
#include <string>
// convert UTF-8 string to wstring
std::wstring utf8_to_wstring (const std::string& str)
{
std::wstring_convert<std::codecvt_utf8<wchar_t>> myconv;
return myconv.from_bytes(str);
}
// convert wstring to UTF-8 string
std::string wstring_to_utf8 (const std::wstring& str)
{
std::wstring_convert<std::codecvt_utf8<wchar_t>> myconv;
return myconv.to_bytes(str);
}
你的平台是什么? 请注意,Windows不支持UTF-8语言环境,因此这可以解释您失败的原因。
要以平台相关的方式完成此操作,您可以在Windows上使用MultiByteToWideChar / WideCharToMultiByte ,在Linux上使用iconv 。 您可以使用一些提升魔法以独立于平台的方式完成此操作,但我自己没有尝试过,因此我无法添加此选项。
您可以使用boost的utf_to_utf转换器来获取存储在std :: string中的char格式。
std::string myresult = boost::locale::conv::utf_to_utf<char>(my_wstring);
在 Windows 上,您必须使用 std::codecvt_utf8_utf16<wchar_t>。 否则,在需要两个 16 位代码单元的 Unicode 代码点上,您的转换将失败。 喜欢 (U+1F609)
#include <codecvt>
#include <string>
// convert UTF-8 string to wstring
std::wstring utf8_to_wstring (const std::string& str)
{
std::wstring_convert<std::codecvt_utf8_utf16<wchar_t>> myconv;
return myconv.from_bytes(str);
}
// convert wstring to UTF-8 string
std::string wstring_to_utf8 (const std::wstring& str)
{
std::wstring_convert<std::codecvt_utf8_utf16<wchar_t>> myconv;
return myconv.to_bytes(str);
}
区域设置的作用是它为程序提供有关外部编码的信息,但假设内部编码没有改变。 如果要输出UTF-8,则需要从wchar_t
而不是char*
。
您可以做的是将其作为原始数据(而不是字符串)输出,如果系统区域设置是UTF-8,则应该正确解释它。
另外,当使用(w)cout
/ (w)cerr
/ (w)cin
您需要在流上填充区域设置。
Lexertl库有一个迭代器,可以让你这样做:
std::string str;
str.assign(
lexertl::basic_utf8_out_iterator<std::wstring::const_iterator>(wstr.begin()),
lexertl::basic_utf8_out_iterator<std::wstring::const_iterator>(wstr.end()));
C ++不知道Unicode。 使用外部库,如ICU( UnicodeString
类 )或Qt( QString
类 ),都支持Unicode,包括UTF-8。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.